您好,登錄后才能下訂單哦!
本篇文章為大家展示了如何在Python中使用OpenCV實現油畫效果,內容簡明扼要并且容易理解,絕對能使你眼前一亮,通過這篇文章的詳細介紹希望你能有所收獲。
油畫簡單的理解是帶有藝術感的圖像,色彩相對于原圖要更加鮮艷,但卻是失真的。
而且對于喜歡欣賞藝術的讀者,肯定或多或少關注過油畫,油畫并不細膩,而且小部分因為色塊的堆積非常模糊。所以,我們實現油畫的原理是:逐行對圖像進行處理,使周圍相鄰距離的像素進行打亂。
至于打亂的算法,你可以隨機設計。不過,需要注意的是在處理到圖像邊緣時,比如左下角最后一個像素,那么如果打亂其像素,取右邊的顯然不可取,因為右邊沒有像素會導致數組越界。所以在處理油畫時,可以人為的剪掉部分邊緣像素用于混淆。
還有,油畫因為用色大膽,所以我們需要增強圖像的色彩空間。而python的PIL庫有一個現成的類ImageEnhance。該類專門用于圖像的增強處理,不僅可以增強圖像的亮度,對比度,色度,還可以增強圖像的銳度,因此我們實現油畫可以通過它快速實現圖像增強的操作。
下面,我們來看看其圖像增強如何實現。代碼如下:
enh_col=ImageEnhance.Color(img) color = 2.0 new_img = enh_col.enhance(color)
此處的img是PIL讀取的圖片,如果想PIL讀取圖片轉到OpenCV讀取圖片的格式可以通過如下代碼完成:
new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR)
其中,new_img為PIL讀取的圖片格式。
而enhance函數的參數color代表了圖像色彩的豐富程度和飽和度,數值為1時保持色度不變,數值增加表示色度比例增加,以此達到圖像增強的效果。
既然已經了解了實現油畫效果的原理。下面,我們直接上代碼來完成油畫的操作。具體代碼如下所示:
# 油畫效果 def oil_effect(img): h, w, n = img.shape new_img = np.zeros((h - 2, w, n), dtype=np.uint8) for i in range(h - 2): for j in range(w): if random.randint(1, 10) % 3 == 0: new_img[i, j] = img[i - 1, j] elif random.randint(1, 10) % 2 == 0: new_img[i, j] = img[i + 1, j] else: new_img[i, j] = img[i + 2, j] return new_img # 圖像增強 def img_add(): img = Image.open("oil.jpg") enh_col = ImageEnhance.Color(img) color = 2.0 new_img = enh_col.enhance(color) new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR) return new_img if __name__ == "__main__": img = cv2.imread("49.jpg") oil_img = oil_effect(img) cv2.imwrite("oil.jpg", oil_img) cv2.imshow("0", img) cv2.imshow("1", img_add()) cv2.waitKey() cv2.destroyAllWindows()
運行之后,效果如下:
像油畫效果一樣,水彩效果也可以用單行代碼完成,但不包括導入和圖像讀取。
cv2.stylization()
import cv2 img = cv2.imread('img.jpg') res = cv2.stylization(img, sigma_s=60, sigma_r=0.6) # sigma_s controls the size of the neighborhood. Range 1 - 200 # sigma_r controls the how dissimilar colors within the neighborhood will be averaged. A larger sigma_r results in large regions of constant color. Range 0 - 1
上述內容就是如何在Python中使用OpenCV實現油畫效果,你們學到知識或技能了嗎?如果還想學到更多技能或者豐富自己的知識儲備,歡迎關注億速云行業資訊頻道。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。